科研之友
微信
新浪微博
Facebook
分享链接
摘要
建筑空调负荷预测对于节约建筑能耗、维持设备稳定负荷运转有着重要的意义，故研究建筑空调负荷预测具有较高的现实意义与社会价值。建立建筑模型，利用EnergyPlus负荷模拟软件得到建筑空调负荷数据，采用MATLAB建立BP人工神经网络模型。将遗传算法(GA)引入BP神经网络，建立改进的GA-BP神经网络模型。使用两种不同的神经网络对建筑的空调负荷数据进行训练和验证，得出两种网络模型预测数据的平均误差皆低于20%。其中，BP神经网络负荷预测的决定系数R2为0.714,GA-BP神经网络负荷预测的决定系数R2为0.948,故后者的负荷预测性能更好。由此可见，改进人工神经网络对建筑物空调负荷的预测具有更高的准确性以及一定的应用价值。
- 单位
